极端高温对全球经济影响的多尺度空间过程建模：方法创新与损失评估

针对传统气候计量模型难以捕捉极端高温空间传导效应的问题，本研究构建了融合多层次建模与空间统计的多尺度时空模型，首次量化揭示极端高温通过经济网络传导造成全球人均GDP损失达2.54%[0.90%,4.19%]，并发现33.7℃为经济影响正负效应的临界温度，为气候变化经济学研究提供了方法论突破。

　　

随着全球变暖加剧，极端高温事件的频率、强度和范围持续扩大，对经济系统产生深远影响。传统气候计量模型（climate econometrics）虽能评估平均温度变化的经济效应，却难以捕捉极端高温通过全球供应链和地理邻近性产生的空间传导效应，导致经济损失被严重低估。这一方法论缺陷阻碍了人类全面认知气候变化的真实经济代价。

中国科学院地理科学与资源研究所的研究团队在《Science Bulletin》发表的研究中，创新性地将多层次建模（multi-level modeling）与空间自回归模型（spatial autoregressive model）相结合，构建了首个能同时解析跨尺度相互作用和空间依赖性的分析框架。该模型通过贝叶斯马尔可夫链蒙特卡洛（Bayesian MCMC）算法实现参数估计，利用全球次国家级经济数据（sub-national economic datasets）和投入产出表，首次量化揭示了极端高温经济效应的空间传导规律。

关键技术包括：1）构建包含国家-区域双尺度的空间自回归过程；2）开发考虑经济网络权重（input-output linkages）和地理距离权重的混合空间矩阵；3）采用贝叶斯分层模型处理嵌套数据结构；4）通过德国波茨坦气候影响研究所（PIK）提供的区域经济数据进行验证。

经典气候计量学的局限
研究指出传统固定效应面板模型（fixed-effect panel model）仅能处理两层级数据结构，无法捕捉经济关联（如中国稀土减产影响日韩电子产业）和地理邻近性导致的空间溢出效应，造成"可修改区域单元问题"（MAUP）。

多尺度空间模型构建
新模型在国家尺度引入投入产出关联的空间滞后项（spatial lag term），区域尺度纳入地理距离权重。理论推导证明该框架可分解为：y_kit=βx_kit+ρ₁W₁y+ρ₂W₂y+ε，其中W₁、W₂分别代表经济网络和地理邻近矩阵。

实证结果
国家尺度空间自回归系数显著为正（ρ=0.21，p<0.01），证实极端高温效应通过全球供应链传导。当经济关联度超过0.1时，损失传导呈现加速下降拐点。考虑空间传播效应后，极端高温强度每增加1℃导致人均GDP损失达2.54%[0.90%,4.19%]，较传统模型高出40%。区域分析显示33.7℃为边际效应转折点——低于该阈值区域呈现正效应，热带地区则承受显著负影响。

讨论与意义
该研究突破性地解决了气候经济学三大难题：1）通过多尺度空间自回归过程捕捉经济网络与地理邻近的双重传导；2）首次量化33.7℃的温度阈值；3）开发适用于复杂嵌套数据的通用建模框架。研究证实忽略空间传导效应会严重低估气候损失，这对《巴黎协定》损失损害基金（Loss and Damage Fund）的分配机制具有政策启示。模型框架还可扩展至传染病传播、技术创新扩散等空间过程研究领域。

Guanpeng Dong、Hang Zhang等学者强调，未来需结合机器学习方法（如因果森林causal forests）提升高维环境下的特征选择能力，但需警惕伪因果关系风险。该成果为应对气候变化提供了新的科学工具，其方法论创新将推动空间计量经济学与气候科学的深度交叉融合。